在文本分类任务中，提升分类准确率可以通过多种特征来实现。以下是对选项的分析：

| 选项 | 描述 | 分析 |
|------|------|------|
| A. 词频特征 | 使用词频（Term Frequency）作为特征 | 词频是文本分类中最经典的特征之一，它可以帮助模型了解哪些词在文档中出现得更频繁，从而判断其重要性。 |
| B. 依存信息 | 句法依存关系的信息 | 依存信息提供了关于词语之间关系的深层次结构性信息，有助于理解文本的语法结构，从而提升分类效果。 |
| C. 词性信息 | 词语的词性标注信息 | 词性信息可以帮助模型区分名词、动词、形容词等，提高对文本的感知能力和分类准确性。 |

### 结论
D: 以上都是。这是正确答案。
每种特征都有其独特的贡献，结合使用通常可以显著提高文本分类的准确性。通过整合多种特征，模型可以获得更丰富的信息视角，从而做出更为准确的预测。